多元序列学习的特征表示答案

【问题标题】：Feature representation for multivariate sequence learning多元序列学习的特征表示
【发布时间】：2023-03-16 01:47:02
【问题描述】：

我一直在尝试训练一个模型来从单音乐谱中生成序列。在互联网上，我发现了一些使用字符级 lstm 网络和音乐 ABC 表示法的人的例子（很多使用 karpathy 在 Torch 中的实现：http://karpathy.github.io/2015/05/21/rnn-effectiveness/）。

虽然这看起来相当有效，但序列并没有包含尽可能紧凑的音乐信息。我的想法是将音乐信息直接表示为一系列音符。但是，一个音符有多个特征：音高、八度、持续时间、是否连接到下一个音符等。我不确定如何将这些信息正确表示为特征向量，也没有找到很多关于这个主题的信息.

我的数据集在音符音高和长度方面的多样性非常有限。它可能包含 3 个八度，10 个不同的音符时长，只有 4/4 拍号。但是，表示这些音符的每个不同组合会得到一个巨大的输入特征向量。

任何建议将不胜感激！

【问题讨论】：

标签： neural-network deep-learning lstm

【解决方案1】：

只要您可以以文本格式对训练示例进行编码和解码，我认为您可以适应和使用字符级 lstm 方法。

例如，您可以用字母 (ABCDEFG) 表示每个音符，使用 + - 表示升音或降音，后跟 x、y、z 等代码表示八度音阶，数字 0 到 9 表示持续时间值和空格是否连接。

喜欢这个布鲁斯即兴演奏：

Cx1 E-x1 Cx1 E-x1 Fx4 Gx2 B-x2 Cy1Cy1Cy1Cy1, etc.

有了足够的训练数据，RNN 将学习音符的这种句法和语法，以及导致“音乐”序列的音符之间的模式和关系……这取决于你用来训练它的音乐类型。

【讨论】：